알고리즘을 비즈니스 - 더미로 가져 오기

인류는 점차 작아지고 강력한 하드웨어로 생성되는 전례없는 많은 양의 데이터의 교차로에 있으며 알고리즘은 동일하게 분석됩니다 프로세스가 개발에 도움이되었습니다. 이는 단순히 볼륨의 문제가 아니라 어려운 문제입니다.

2001 년 리서치 회사 가트너 (Gartner)가 공식화하고 IBM과 같은 다른 회사에 의해 다시 작성되고 확장됨에 따라 큰 데이터는 라는 주요 특성을 나타내는 네 개의

로 요약 할 수 있습니다. ->

• 볼륨: 데이터 양
• 속도: 데이터 생성 속도
• 다양성: 데이터 소스의 수와 유형
• : 데이터의 품질 및 권위있는 목소리 (오류, 양질의 데이터 및 신호와 혼합 된 잡음)는 데이터의 불확실성을 측정합니다. 각 큰 데이터 특성은 도전과 기회를 제공합니다. 예를 들어, 볼륨은 유용한 데이터의 양을 고려합니다. 하나의 조직이 큰 데이터를 다른 데이터의 작은 데이터로 간주 할 수 있습니다. 단일 시스템에서 데이터를 처리 할 수 ​​없다고해서 데이터가 커지지는 않습니다. 큰 데이터를 비즈니스에서 평소와 다른 데이터와 차별화하는 이유는 조직이 널리 퍼져있는 방법과 솔루션을 수정하도록하고 기존의 기술과 알고리즘을 보완해야하기 때문입니다.

Wired

의 편집장 인 크리스 앤더슨 (Chris Anderson)이 저술 한 많은 저서와 이정표에 의해 설명 된 바와 같이, 다양성은 과학적 방법에 큰 데이터를 사용할 수있게 해줍니다 당시에는 많은 양의 데이터가 과학적 방법 밖에 과학적 발견을 도울 수있는 방법에 대해 저자는 특정 모델이나 이론을 사용하지 않고도 눈에 띄는 역할을 할 수있는 광고 및 번역 비즈니스 분야에서 Google의 사례를 사용하지만 데이터에서 배우는 알고리즘을 적용하여 사용합니다. 광고에서와 마찬가지로 과학 (물리학, 생물학) 데이터는 과학자가 가설없이 문제에 접근 할 수있게 해주는 혁신을 지원할 수 있지만 많은 양의 데이터 및 발견 알고리즘에 의해 발견되는 변화를 고려하면 가능합니다.

진실성은 데이터 자체의 민주화를 돕습니다. 과거에는 조직이 귀중하고 얻기가 어려웠 기 때문에 데이터를 축적했습니다. 이 시점에서 다양한 출처가 증가하는 양의 데이터를 생성하므로 무의미합니다 (지난 2 년 동안 전세계 데이터의 90 %가 생성되었습니다). 따라서 액세스를 제한 할 이유가 없습니다. 데이터는 전 세계에 걸쳐 많은 오픈 데이터 프로그램이있는 그런 필수품으로 변하고 있습니다.(미국은 오랫동안 개방 된 접근 방식을 갖고 있으며, 최초의 공개 데이터 프로그램은 NOAA (National Oceanic and Atmospheric Administration)가 날씨 데이터를 자유롭게 공개하기 시작한 1970 년대로 거슬러 올라갑니다. 그러나 데이터는 필수품이 되었기 때문에, 그 데이터의 불확실성이 문제가되었다. 소스를 알지 못하기 때문에 데이터가 완전히 사실인지 여부를 더 이상 알 수 없습니다.

데이터가 너무나 유비 쿼터스 화되어 그 가치가 더 이상 실제 정보에 있지 않게되었습니다 (예: 기업 데이터베이스에 저장된 데이터). 데이터의 가치는 사용 방법에 따라 다릅니다. 여기에 알고리즘이 적용되어 게임이 변경됩니다. Google과 같은 회사는 웹 사이트의 콘텐츠 또는 공개적으로 사용 가능한 텍스트 및 도서에있는 텍스트와 같이 자유롭게 사용할 수있는 데이터를 제공합니다. 그러나 Google이 데이터에서 추출한 가치는 대부분 알고리즘에서 파생됩니다. 예를 들어, 데이터 값은 PageRank 알고리즘 (11 장에서 설명)에 상주합니다. 이는 Google 비즈니스의 기초입니다. 알고리즘의 가치는 다른 회사들에게도 마찬가지입니다. Amazon의 추천 엔진은 회사 매출의 상당 부분을 차지합니다. 많은 금융 회사는 알고리즘 거래와 로보 어드바이스를 사용하여 자유롭게 사용할 수있는 주식 데이터와 투자 정보를 활용합니다.